KR20190013921A - 범위-제어 활동성 - Google Patents

범위-제어 활동성 Download PDF

Info

Publication number
KR20190013921A
KR20190013921A KR1020187037673A KR20187037673A KR20190013921A KR 20190013921 A KR20190013921 A KR 20190013921A KR 1020187037673 A KR1020187037673 A KR 1020187037673A KR 20187037673 A KR20187037673 A KR 20187037673A KR 20190013921 A KR20190013921 A KR 20190013921A
Authority
KR
South Korea
Prior art keywords
glucose
value
insulin
determining
diabetic patient
Prior art date
Application number
KR1020187037673A
Other languages
English (en)
Other versions
KR102428180B1 (ko
Inventor
데이비드 엘 듀크
앨런 그린버그
크리슈티안 링게만
친마이 우다이 마노하르
Original Assignee
에프. 호프만-라 로슈 아게
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에프. 호프만-라 로슈 아게 filed Critical 에프. 호프만-라 로슈 아게
Publication of KR20190013921A publication Critical patent/KR20190013921A/ko
Application granted granted Critical
Publication of KR102428180B1 publication Critical patent/KR102428180B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M5/14244—Pressure infusion, e.g. using pumps adapted to be carried by the patient, e.g. portable on the body
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/502—User interfaces, e.g. screens or keyboards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/82—Internal energy supply devices
    • A61M2205/8206—Internal energy supply devices battery-operated
    • A61M2205/8212—Internal energy supply devices battery-operated with means or measures taken for minimising energy consumption
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/201—Glucose concentration

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Vascular Medicine (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Diabetes (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)

Abstract

당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법 및 시스템이 제공된다. 본 방법은 적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 포도당 측정을 나타내는 신호를 수신하는 단계; 적어도 하나의 컴퓨팅 디바이스에 의해, 신호에 기초하여 상기 당뇨병 환자의 포도당 상태를 검출하는 단계로서, 검출된 포도당 상태는 당뇨병 환자의 포도당 레벨 및 포도당 레벨의 변화율을 포함하는, 상기 포도당 상태를 검출하는 단계; 적어도 하나의 컴퓨팅 디바이스에 의해, 현재 리스크 메트릭을 결정하는 단계로서, 현재 리스크 메트릭은 당뇨병 환자의 저혈당 상태 및 고혈당 상태 중 적어도 하나의 리스크를 표시하는, 상기 현재 리스크 메트릭을 결정하는 단계; 및 적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 활동성 (aggressiveness) 파라미터를 포함하는 범위-제어 (control-to-range) 알고리즘 및 현재 리스크 메트릭에 기초하여 치료 전달 디바이스의 기본 레이트에 대한 조정을 계산하는 단계를 포함한다.

Description

범위-제어 활동성
관련 출원의 상호 참조
본 출원은 발명의 명칭이 "CONTROL-TO-RANGE AGGRESSIVENESS" 로서 2016년 6월 1일 출원된 미국 유틸리티 특허 출원 일련번호 15/170,450 을 우선권으로 주장하며, 그 전체 내용을 참조로서 포함한다.
기술 분야
본 발명은 일반적으로 당뇨병 환자로부터 측정된 포도당 데이터를 프로세싱하는 것에 관한 것이고, 특히, 적어도 하나의 활동성 파라미터를 포함하는 범위-제어 알고리즘 (control-to-range algorithm) 및 현재 리스크 메트릭에 기초하여 치료 전달 디바이스의 기본 레이트에 대한 조정을 제어하는 것에 관한 것이다.
배경으로서, 사람들은 혈액 내 당 레벨이 신체에 의해 적절하게 조절되지 않는 제 I 형 당뇨병 또는 제 II 형 당뇨병을 앓고 있다. 이들 중 많은 사람들은 지속적으로 이들의 포도당 레벨을 모니터링하기 위해 연속 포도당 모니터링 (continuous glucose monitoring; CGM) 을 이용할 수도 있다. CGM 을 수행하기 위하여, 포도당 센서는 간질액 내의 사람의 포도당 레벨을 측정할 수 있는 피부 아래에 배치될 수도 있다. 포도당 센서는 매 1분과 같은 공지된 시간 간격으로 사람의 포도당 레벨을 주기적으로 측정하고, 포도당 측정 결과들을 인슐린 펌프, 혈당계, 스마트폰 또는 다른 전자 모니터에 송신할 수도 있다.
일부 경우들에서, (포도당 센서로부터) 측정된 포도당 결과들은 혈당 농도를 부정확하게 나타낼 수도 있다. 포도당 센서는 때때로 오동작할 수도 있어, (포도당 센서로부터) 측정된 포도당 결과들은 실질적으로 사람의 실제 포도당 레벨과는 상이할 수도 있다. 포도당 센서는 센서 "드롭아웃"에 기인하거나 또는 예를 들어 센서 전자 장치들 또는 배터리의 장해에 기인하여 이러한 방식으로 오동작할 수도 있다. 센서 드롭아웃은 사람에 대한 센서의 움직임과 같이 사람에 대한 포도당 센서의 부착을 포함한 물리적 문제들에 기인하여 발생할 수도 있다. 센서 드롭아웃은 사람의 실제 포도당 레벨이 훨씬 더 높을 수도 있음에도 불구하고 측정된 포도당 결과들로 하여금 0 근방으로 "하락"되게 할 수도 있다. 추가적으로, 포도당 센서의 캘리브레이션이 표류하여, 정확한 현재 혈당 레벨보다 더 낮거나 또는 정확한 현재 혈당 레벨보다 더 높은 레벨을 향한 바이어스를 야기할 수도 있다. 포도당 센서는 또한, CGM으로 하여금 정확한 혈당 레벨에서의 변화들에 대해 더이상 응답하지 않게 하고 부정확한, 인위적으로 높거나 인위적으로 낮은 혈당 판독값으로 유지하게 하는 에러를 경험할 수도 있다. 마지막으로, 포도당 센서는 이용 첫날일 수도 있고, 안정화까지 혈당 측정에서 에러를 가질 수도 있다.
그 결과, 본 개시의 실시형태들은 센서 잡음 및/또는 센서 오동작의 존재 하에서도 사람의 실제 포도당 레벨이 추정될 수 있게 하도록 사람으로부터 측정된 포도당 결과들을 프로세싱할 수도 있다. 추가로, 사람의 향후 포도당 레벨이 그 추정된 포도당 레벨에 기초하여 예측될 수도 있다.
그 결과, 본 개시의 실시형태들은 포도당 센서 에러를 고려하도록 기본 인슐린 레이트들을 조정할 때 활동성 파라미터 (aggressiveness parameter) 를 구현할 수도 있다.
일 실시형태에서, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법이 제공된다. 본 방법은 적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 포도당 측정값을 나타내는 신호를 수신하는 단계를 포함한다. 또한, 본 방법은 적어도 하나의 컴퓨팅 디바이스에 의해, 신호에 기초하여 사람의 포도당 상태를 검출하는 단계를 포함하고, 검출된 포도당 상태는 사람의 포도당 레벨 및 포도당 레벨의 변화율을 포함한다. 추가적으로, 본 방법은 적어도 하나의 컴퓨팅 디바이스에 의해, 현재 리스크 메트릭을 결정하는 단계를 포함하고, 현재 리스크 메트릭은 사람의 저혈당 상태 및 고혈당 상태 중 적어도 하나의 리스크를 표시한다. 마지막으로, 본 방법은 적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 활동성 파라미터를 포함하는 범위-제어 알고리즘 및 현재 리스크 메트릭에 기초하여 치료 전달 디바이스의 기본 레이트에 대한 조정을 계산하는 단계를 포함한다.
다른 실시형태에서, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하도록 구성되는 혈당 관리 디바이스가 제공된다. 디바이스는 실행가능 명령들을 저장하는 비일시적 컴퓨터 판독가능 매체, 및 실행가능 명령들을 실행하도록 구성되는 적어도 하나의 프로세싱 디바이스를 포함하여, 적어도 하나의 프로세싱 디바이스에 의해 실행될 때, 실행가능 명령들은 적어도 하나의 프로세싱 디바이스로 하여금 적어도 하나의 포도당 측정값을 나타내는 신호를 수신하게 한다. 추가적으로, 실행가능 명령들은 적어도 하나의 컴퓨팅 디바이스로 하여금, 신호에 기초하여 사람의 포도당 상태를 검출하게 하며, 검출된 포도당 상태는 포도당 레벨의 변화율 및 사람의 포도당 레벨을 포함한다. 또한, 실행가능 명령들은 적어도 하나의 컴퓨팅 디바이스로 하여금, 현재 리스크 메트릭을 결정하게 하고, 현재 리스크 메트릭은 사람의 저혈당 상태 및 고혈당 상태 중 적어도 하나의 리스크를 표시한다. 마지막으로, 실행가능 명령들은 적어도 하나의 프로세싱 디바이스로 하여금, 적어도 하나의 활동성 파라미터를 포함하는 범위-제어 및 현재 리스크 메트릭에 기초하여 치료 전달의 기본 레이트에 대한 조정을 계산하게 한다.
도면에 상술된 실시형태들은 청구항들에 의해 정의된 발명들을 제한하도록 의도되지 않으며 본질적으로 예시 및 예를들어 설명하기 위한 것이다. 예시적 실시형태들의 다음의 상세한 설명은 다음의 도면들과 연계하여 읽을 때 이해될 수 있으며, 유사한 구조는 유사한 도면 부호들로 표시되고, 도면에서:
도 1 은 본원에 도시되고 기재된 하나 이상의 실시형태들에 따른 연속적 포도당 모니터링 (CGM) 시스템을 예시한다.
도 2 는 도 1 의 CGM 시스템의 예시적인 혈당 관리 디바이스, 치료 전달 디바이스 및 포도당 센서를 도시하며, 혈당 관리 디바이스는 볼러스 계산기 모듈, 범위-제어 로직, 및 기본 레이트 조정 로직을 포함한다.
도 3 은 식사 이벤트에 이어지는 예시적 CGM 트레이스 및 조정된 최대 허용 포도당을 플롯한 그래프를 예시한다.
도 4a 및 도 4b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 리스크 스케일링 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
도 4c 는 통상의 해저드 함수 및 저혈당 리스크 스케일링 및 고혈당 리스크 시프트의 구현이 있는 해저드 함수의 플롯을 각각 예시한다.
도 5a 및 도 5b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 리스크 시프팅 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
도 6a 및 도 6b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 증가된 최대 허용된 가속도 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
도 7a 및 도 7b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 감소된 최대 허용된 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
도 8a 및 도 8b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 증가된 불확실 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
도 9a 및 도 9b 는 본원에 도시되고 기술된 하나 이상의 실시형태들에 따라 통상의 기본 승수들 및 감소된 불확실 활동성 파라미터의 구현이 있는 기본 승수들을 각각 예시한다.
본원에 설명된 실시형태들은 일반적으로 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하고, 그리고 특히 기본 레이트에 대한 조정들을 결정할 때 적어도 하나의 활동성 파라미터를 구현하기 위한 방법들 및 시스템들에 관한 것이다. 본 개시를 정의하는 목적으로, "측정된 포도당 결과들"은 포도당 센서에 의해 측정된 사람의 포도당 레벨이고; "실제 포도당 레벨" 또는 "정확한 포도당 측정값"은 사람의 실제 포도당 레벨이다.
도 1 을 참조하면, 당뇨병 환자 (person with diabetes; PWD)(11) 의 포도당 레벨을 모니터링하기 위한 예시적인 연속 포도당 모니터링 (continuous glucose monitoring; CGM) 시스템 (10) 이 예시된다. 특히, CGM 시스템 (10) 은 매 1 분, 매 5 분 또는 다른 적당한 간격들과 같은 미리 결정된, 조정 가능한 간격으로 측정된 포도당 값을 수집하도록 동작한다. CGM 시스템 (10) 은 사람의 피부 (12) 아래에 삽입된 바늘 또는 프로브 (18) 를 갖는 포도당 센서 (16) 를 예시적으로 포함한다. 바늘 (18) 의 단부는 간질액 (14), 이를 테면, 포도당 또는 다른 체액 내에 위치되어, 포도당 센서 (16) 에 의해 취득된 측정들이 간질액 (14) 내의 포도당 레벨에 기초하게 된다. 포도당 센서 (16) 는 사람의 복부 또는 다른 적당한 위치에 인접하여 위치된다. 또한 포도당 센서 (16) 는 그 정확도를 개선하기 위하여 주기적으로 캘리브레이트될 수도 있다. 이 주기적 캘리브레이션은 센서 삽입 사이트의 생리적 조건에서의 변화들 및 센서 열화에 기인한 센서 드리프트에 대해 수정하는 것을 도울 수도 있다. 포도당 센서 (16) 는 무선 송신기 (20) 및 안테나 (22) 를 포함하지만 이들에 제한되지 않는 다른 컴포넌트들을 또한 포함할 수도 있다. 포도당 센서 (16) 는 측정들을 취하기 위한 다른 적절한 디바이스들, 이를 테면, 예를 들어, 비-침습성 디바이스 (예를 들어, 적외광 센서) 를 대안적으로 이용할 수도 있다. 측정을 취할 때, 포도당 센서 (16) 는 측정된 포도당 값을 통신 링크 (24) 를 통해 컴퓨팅 디바이스 (26), 예시적으로는 혈당 관리 (bG) 디바이스 (26) 로 송신한다. bG 관리 디바이스 (26) 는 또한, 소정 기간에 걸쳐 포도당 센서 (16) 로부터 수신된 복수의 측정된 포도당 결과들을 메모리 (39) 에 저장하도록 구성될 수도 있다.
CGM 시스템 (10) 은 치료 전달 디바이스 (31), 예시적으로 사람에게 치료물질 (예를 들어, 인슐린) 을 전달하기 위한 인슐린 주입 펌프 (31) 를 예시적으로 더 포함한다. 인슐린 펌프 (31) 는 통신 링크 (35) 를 통하여 관리 디바이스 (26) 와 통신하고, 관리 디바이스 (26) 는 인슐린 펌프 (31) 에 볼러스 및 기본 레이트 정보를 통신할 수 있다. 인슐린 펌프 (31) 는 인슐린을 주입하기 위한 사람 (11) 의 피부 (12) 를 통하여 삽입된 바늘을 갖는 카테터 (33) 를 포함한다. 인슐린 펌프 (31) 는 예시적으로 사람의 복부 또는 다른 적합한 위치에 인접하여 위치된다. 포도당 센서 (16) 와 유사하게, 주입 펌프 (31) 는 또한, 관리 디바이스 (26) 와 통신하기 위한 무선 송신기 및 안테나를 포함한다. 인슐린 펌프 (31) 는 기본 인슐린 (예를 들어, 기본 속도로 연속적으로 또는 반복적으로 방출되는 소량의 인슐린) 및 볼러스 인슐린 (예를 들어, 식사 이벤트와 같은 서지 투여량의 인슐린) 을 전달하도록 동작한다. 볼러스 인슐린은 사용자에 의해 트리거된 사용자 입력에 응답하여, 또는 관리 디바이스 (26) 로부터의 명령에 응답하여 전달될 수도 있다. 유사하게, 기본 인슐린의 기본 속도는 사용자 입력에 기초하거나 또는 관리 디바이스 (26) 로부터의 커맨드에 응답하여 설정된다. 주입 펌프 (31) 는 펌프 데이터를 디스플레이하기 위한 디스플레이 및 사용자 제어들을 제공하는 사용자 인터페이스를 포함할 수도 있다. 대안의 실시형태에서, 인슐린 펌프 (31) 및 포도당 센서 (16) 는 환자가 착용하는 단일 디바이스로서 제공될 수도 있고, 프로세서 또는 마이크로프로세서에 의해 제공된 로직의 적어도 일부가 이 단일 디바이스 상에 상주할 수도 있다. 볼러스 인슐린은 또한, 다른 수단에 의해, 이를 테면 바늘을 통해 사용자에 의해 수동으로 주입될 수도 있다.
일 실시형태에서, 이러한 CGM 시스템 (10) 은 건강한 췌장의 자연스런 기능들에 접근하거나 모방하도록 환자에게 폐루프 또는 준-폐루프 치료물질을 제공하는 인공 췌장 시스템으로서 지칭된다. 이러한 시스템에서, 인슐린은 CGM 표시도수들에 기초하여 계산되고 CGM 판독값에 기초하여 환자에게 자동으로 전달된다. 예를 들어, 사용자가 높은 혈당 레벨 또는 고혈당을 갖는다고 CGM 이 표시하면, 시스템은 사용자의 혈당 레벨을 임계 레벨 아래로 또는 타겟 레벨로 감소시키기 위해 필요한 인슐린 투여량을 계산하고 투여량을 자동으로 전달할 수 있다. 대안적으로, 시스템은 치료물질에서의 변화, 이를 테면, 증가된 인슐린 기본 레이트 또는 볼러스의 전달을 자동으로 제안할 수 있지만, 사용자가 전달 전에 제안된 변화를 수락하는 것을 필요로 할 수 있다. 사용자가 낮은 혈당 레벨 또는 저혈당을 갖는다고 CGM 데이터가 표시하면, 시스템은 예를 들어, 자동적으로, 기본 레이트를 감소시키고, 사용자에게 기본 레이트를 감소시킬 것을 제안하고 자동적으로 사용자가 물질, 이를 테면, 호르몬 (글루카곤) 의 양의 전달을 개시하여 혈액 내 포도당의 농도를 증가시키도록 전달 또는 제안하고, 사용자가 예를 들어, 탄수화물들을 섭취하고/하거나 자동으로 다른 액션들을 취하도록 제안하고/하거나 저혈당 상태를 해결하기 위해 적합할 수 있는 다른 제안들을 단일로, 임의의 원하는 조합으로 또는 순서대로 취할 수 있다. 일부 실시형태들에서, 다수의 약제들, 이를 테면, 제 1 약제, 예를들어, 혈당 레벨들을 낮추는 인슐린, 및 제 2 약제, 예를 들어, 혈당 레벨들을 상승시키는 글루카곤이 이러한 시스템에 채택될 수 있다.
통신 링크들 (24, 35) 은 예시적으로 무선, 이를 테면 무선 주파수 ("RF") 또는 다른 적절한 무선 주파수이며, 여기서 데이터 및 제어들이 센서 (16), 치료 전달 디바이스 (31) 및 관리 디바이스 (26) 사이에서 전자기파를 통해 송신된다. Bluetooth® 는 약 2.4 기가헤르쯔 (GHz) 의 주파수를 사용하는 무선 RF 통신 시스템의 일 예시적인 유형이다. 무선 통신 스킴의 다른 예시적인 유형은 Infrared Data Association® (IrDA®) 에 의해 지원되는 시스템들과 같은 적외선을 사용한다. 다른 적절한 유형의 무선 통신이 제공될 수도 있다. 또한, 각각의 통신 링크 (24, 35) 는 포도당 센서 (16), 컴퓨팅 디바이스 (26), 인슐린 펌프 (31) 및 다른 적절한 디바이스들 또는 시스템들 사이와 같은 다수의 디바이스들 사이의 통신을 용이하게 할 수도 있다. 예를 들어 유선 이더넷 링크와 같은 유선 링크들이 시스템 (10) 의 디바이스들 간에 제공될 수도 있다. 다른 적합한 공개적 또는 독점적 유선 또는 무선 링크들이 사용될 수도 있다.
도 2 는 도 1 의 CGM 시스템 (10) 의 예시적 관리 디바이스 (26) 를 예시한다. 관리 디바이스 (26) 는 관리 디바이스 (26) 의 메모리 (39) 에 저장된 소프트웨어 및/또는 펌웨어 코드를 실행하는 적어도 하나의 마이크로프로세서 또는 마이크로제어기 (32) 를 포함한다. 소프트웨어/펌웨어 코드는, 관리 디바이스 (26) 의 마이크로제어기 (32) 에 의해 실행될 때, 관리 디바이스 (26) 로 하여금 본원에 설명된 기능들을 수행하게 하는 명령들을 포함한다. 관리 디바이스 (26) 는 대안적으로 하나 이상의 ASIC들 (application-specific integrated circuits), FPGA들 (field-programmable gate arrays), DSP들 (digital signal processors), 하드 와이어드 로직, 또는 이들의 조합들을 포함할 수도 있다. 관리 디바이스 (26) 는 예시적으로 포도당 모니터 (26) 이지만, 다른 적절한 관리 디바이스들 (26) 이 제공될 수도 있으며, 이를 테면, 예를 들어 데스크톱 컴퓨터, 랩톱 컴퓨터, 컴퓨터 서버, 개인 휴대 정보 단말기 ("PDA"), 스마트 폰, 셀룰러 디바이스, 태블릿 컴퓨터, 주입 펌프, 포도당 측정 엔진 및 PDA 또는 휴대폰을 포함한 통합 디바이스 등이다. 관리 디바이스 (26) 는 단일 관리 디바이스 (26) 로서 예시되어 있지만, 본원에 설명된 관리 디바이스 (26) 의 기능들을 수행하기 위해 다수의 컴퓨팅 디바이스들이 함께 이용될 수도 있다.
메모리 (39) 는 마이크로제어기 (32) 에 의해 액세스 가능한 임의의 적합한 컴퓨터 판독 가능 매체이다. 메모리 (39) 는 단일 저장 디바이스 또는 다중 저장 디바이스들일 수도 있고, 관리 디바이스 (26) 의 내부 또는 외부에 위치될 수도 있으며, 휘발성 및 비-휘발성 매체 양자를 포함할 수도 있다. 또한, 메모리 (39) 는 착탈식 및 비-착탈식 매체 중 하나 또는 양자를 포함할 수도 있다. 예시적인 메모리 (39) 는 랜덤 액세스 메모리 (RAM), 판독 전용 메모리 (ROM), 전기적 소거가능 프로그램가능 ROM (EEPROM), 플래시 메모리, CD-ROM, 디지털 다기능 디스크 (DVD) 또는 다른 광학 디스크 스토리지, 자기 저장 디바이스, 또는 데이터를 저장하도록 구성되고 관리 디바이스 (39) 에 의해 액세스가능한 임의의 다른 적절한 매체를 포함한다.
마이크로제어기 (32) 는 또한 마이크로제어기 (32) 가 사용자 선호도들 및/또는 사용자 특성들 및/또는 사용자 이력 데이터를 학습할 수 있도록 추가적인 프로그래밍을 포함할 수도 있다. 이 정보는 이를 테면, 몸무게의 증가 또는 감소와 같은 검출된 추세들에 기초한 이용시 변화들, 제안들을 구현하기 위해 이용될 수 있다. 마이크로제어기 (32) 는 또한 디바이스 (26) 가 사용자 이력, 순응력, 추세 및/또는 다른 이러한 데이터에 기초한 리포트들과 같은 리포트를 생성할 수 있도록 하는 프로그래밍을 포함할 수 있다. 추가적으로, 본 개시의 실시형태들에 따른 인슐린 주입 펌프 (31) 는 디바이스 (26) 의 하나 이상의 기능들을 중지하는 것, 이를 테면, 전달 프로토콜을 중지하는 것 및/또는 디바이스 (26) 또는 디바이스의 전달 메카니즘을 파워오프하는 것을 위한 "파워오프" 또는 "중지"기능을 포함할 수도 있다. 일부 실시형태들에서, 2 이상의 마이크로제어기들 (32) 은 배터리 수명을 절약하기 위하여 로우 파워 모드에서 프그래밍 및 펌핑 기능들을 유지하기 위해 이용되는 하이 파워 제어기 및 로우 파워 제어기를 포함한, 인슐린 주입 펌프 (31) 의 제어기 기능들에 대해 이용될 수 있다.
관리 디바이스 (26) 는 마이크로제어기 (32) 에 동작가능하게 커플링된 통신 디바이스 (41) 를 더 포함한다. 통신 디바이스 (41) 는 디바이스 (26) 와 포도당 센서 (16) 와 인슐린 펌프 (31) 사이의 통신 링크들 (24, 35) 을 통하여 데이터 및 제어들을 송신하고 수신하도록 동작가능한 임의의 적절한 무선 및/또는 유선 통신 모듈을 포함한다. 일 실시형태에서, 통신 디바이스 (41) 는 통신 링크들 (24, 35) 을 통해 무선으로 데이터를 수신 및/또는 송신하기 위한 안테나 (30; 도 1) 를 포함한다. 관리 디바이스 (26) 는 통신 디바이스 (41) 를 통해 포도당 센서 (16) 및/또는 인슐린 펌프 (31) 로부터 수신된 측정된 포도당 결과들 및 다른 데이터를 메모리 (39) 에 저장한다.
관리 디바이스 (26) 는 사용자 입력을 수신하기 위한 하나 이상의 사용자 입력 디바이스(들)(34) 을 포함한다. 입력 디바이스(들) (34) 은 푸시 버튼들, 스위치들, 마우스 포인터, 키보드, 터치 스크린, 또는 임의의 다른 적절한 입력 디바이스를 포함할 수도 있다. 디스플레이 (28) 는 마이크로제어기 (32) 에 동작가능하게 커플링되고 마이크로제어기 (32) 에 의해 제공되는 정보를 사용자에게 디스플레이하도록 구성된, 임의의 적합한 디스플레이 또는 모니터 기술 (예를 들어, 액정 디스플레이, 등) 을 포함할 수도 있다. 마이크로제어기 (32) 는 사람의 검출된 포도당 상태, 포도당 상태와 관련된 위험, 및 기본 속도와 볼러스 정보와 관련된 정보를 디스플레이 (28) 에 송신하도록 구성된다. 포도당 상태는 추정된 포도당 레벨 및/또는 포도당 레벨의 추정된 변화율뿐만 아니라, 추정된 포도당 레벨의 품질 또는 불확실성의 추정치를 포함할 수도 있다. 또한, 디스플레이된 정보는, 사람의 추정 또는 예측된 포도당 레벨이 저혈당 또는 고혈당인지 여부에 관한 경고들 및/또는 경보들 등을 포함할 수도 있다. 예를 들어, 사람의 포도당 레벨이 혈액의 데시리터 당 50 내지 70 밀리그램 (mg/dl) 과 같은 미리 결정된 저혈당 임계값 아래로 떨어지면 (또는 아래로 떨어질 것으로 예측되면), 경고가 발행될 수도 있다. 관리 디바이스 (26) 는 또한, 예를 들어 진동에 의한 것과 같은 접촉 감각을 통해 사람에게 정보 또는 경고들을 촉각적으로 통신하도록 구성될 수도 있다.
일 실시형태에서, 관리 디바이스 (26) 는 이를 테면, 간병인 시설 또는 간병인이 접근가능한 위치에서 원격 컴퓨팅 디바이스 (도시 생략) 와 통신하며, 데이터 (예를 들어, 포도당 데이터 또는 다른 생리학적 정보) 가 그들 사이에서 전송된다. 이 실시형태에서, 관리 디바이스 (26) 및 원격 디바이스는, 예를 들어 인터넷을 통한 셀룰러 통신들과 같은 데이터 접속, 또는 디스켓, USB 키, 콤팩트 디스크 또는 다른 휴대용 메모리 디바이스와 같은 메모리 디바이스의 물리적 전송을 통해 생리학적 정보를 전송하도록 구성된다.
마이크로제어기 (32) 는 또한 범위-제어 로직 (44) 을 포함한다. 범위-제어 시스템은 PWD (11) 의 포도당 레벨이 낮거나 높은 포도당 임계값에 접근하는 경우에만 인슐린 투여를 조정하는 것에 의해 저혈당 이벤트 또는 고혈당 이벤트의 가능성을 감소시킨다.
마이크로제어기 (32) 는 누적 해저드 값들에 기초하여 복수의 초기 포도당 상태들로부터 타겟 포도당 상태로 타겟 리턴 경로들을 계산하는 해저드 분석 로직 (40) 을 포함한다. 임의의 적절한 타겟 포도당 상태가 식별될 수도 있지만, 타겟 포도당 상태는 예시적으로 112.5 mg/dl 의 포도당 레벨 및 0의 포도당 변화율과 같은 연관 해저드 또는 리스크 없음을 갖는 최적의 또는 이상적인 포도당 상태이다. 각각의 타겟 리턴 경로는 초기 포도당 상태로부터 타겟 포도당 상태로의 트랜지션 동안 발생될 복수의 중간 포도당 상태들로 구성된다. 타겟 리턴 경로들과 연관된 누적 페널티 값들은 룩업 테이블로서 이용될 수도 있는 메모리 (76) 에 저장된다. 누적 패널티 값들의 계산은 아래에 논의된다.
일부 실시형태들에서, 부정확한 포도당 측정들은 포도당 센서 (24) 와 연관된 오동작 및/또는 잡음으로부터 기인할 수도 있다. 이와 같이, 해저드 분석 로직 (40) 은 포도당 센서 (24) 에 제공된 검출된 포도당 상태의 정확성의 확률을 분석한다. 해저드 분석 로직 (40) 은 측정된 포도당 결과의 정확성의 확률을 결정하기 위한 임의의 적절한 확률 분석 툴, 이를 테면, 은닉된 Markov 모델을 이용할 수도 있다. 결정된 정확성의 확률에 기초하여, 해저드 분석 로직 (40) 은 순환 필터 (42) 를 이용하여 사람의 포도당 변화율 및 포도당 레벨을 추정한다. 특히, 순환 필터 (42), 이를 테면, Kalman 필터는 예를 들어 포도당 레벨 및 변화율을 포함한 검출된 포도당 상태를 포도당 센서 정확성의 결정된 확률과 가중처리한다. 포도당 센서 정확도의 확률에 기초하여, 순환 필터 (42) 는 추정된 포도당 상태의 불확실성 척도를 계산한다. 불확실성 척도는 추정된 포도당 상태의 품질을 표시한다. 일련의 검출된 포도당 상태들에 대해, 각각의 상태에 대한 불확정도는 변할 수도 있다.
도 2 의 마이크로제어기 (32) 는 디스플레이 (28) 를 통하여 사용자에게 디스플레이될 수도 있는 사용자의 최대 허용된 포도당 레벨 및 볼러스 권고사항들 (bolus recommendations) 을 계산하는 볼러스 계산기 모듈 (48) 을 더 포함한다. 관리 디바이스 (26) 는 현재 시간까지 이어지는 시간에 걸쳐 누적된 사용자에 대한 이력 데이터의 레코드를 메모리 (39) 에 유지한다. 이력 데이터는 혈당 이력, 디스크립션 데이터, 이전 볼러스 권고사항들 (bolus recommendations), 이전 투여된 볼러스들, 이전 기본 레이트들, 인슐린 및 탄수화물들에 대한 사용자 민감도에 대한 포도당 민감도 팩터들, 이전 볼러스들 및 식사 이벤트들에 대한 혈당 응답들, 다른 사용자 건강 및 의료 데이터 및 각각의 이벤트 및 데이터 기록의 타임 스탬프를 포함한다. 이력 데이터는 사용자 입력들 (34) 을 통하여 입력된, 환자 기록 정보, 이를 테면, 식사 이벤트들, 탄수화물 섭취의 양, 볼러스 전달들의 확인, 약물, 운동 이벤트들, 스트레스 주기, 생리적 이벤트들, 수동 인슐린 주입들, 및 다른 건강 이벤트들을 포함한다. 볼러스 계산기 모듈 (48) 은 권고된 인슐린 볼러스 및/또는 탄수화물 양을 보다 정확하고 효율적으로 결정하기 위하여 이력 데이터를 이용한다.
볼러스 계산기 모듈 (48) 은 특히, 현재 포도당 상태, 이력 데이터 및 사용자 입력에 기초하여 사용자에 대한 권고된 볼러스, 이를 테면, 인슐린 수정 볼러스, 또는 식사 볼러스를 결정한다. 제안된 식사 볼러스 (예를 들어, 탄수화물 양) 는 검출되거나 또는 예측된 탄수화물 조건에 응답할 수도 있다. 인슐린의 제안된 수정 볼러스는 검출된 포도당이 최대 허용가능 포도당 레벨을 초과하는 것에 응답할 수도 있다. 섭취된 탄수화물의 실제 양 및 투여된 인슐린의 실제 양이 사용자에 의해 다른 이력 데이터와 메모리 (39) 에 기록되고 사용자 입력들 (34) 을 통하여 입력된 정보로서 사용자에 의해 확인될 수도 있다. 권고된 볼러스는 디스플레이 (28) 상에 디스플레이될 수도 있다.
도 3 을 참조하여 보면, 예시적인 CGM 트레이스 (100) 가 예시되어 있으며, 여기에서, x 축은 분 단위의 시간을 표현하고, y 축은 mg/dl 단위의 포도당을 표현한다. CGM 트레이스 (100) 는 주기에 걸쳐 측정된 일련의 검출된 포도당 레벨들을 포함한다. 예시된 실시형태에서, CGM 트레이스 (100) 는 필터링된 포도당 레벨들, 즉, 센서 정확성의 확률로 가중처리된 측정된 포도당 레벨들에 기초하여 추정되는 포도당 레벨들을 표현한다. 가장 최근의 추정된 포도당 레벨 (110) 은 화살표 (112) 로 표시된 연관된 네가티브 변화율을 갖는다. 볼러스 계산기 모듈 (48) 은 상위 포도당 한계값 (104) 과 하위 포도당 한계값 (106) 으로 표시되는 포도당 레벨의 타겟 범위 및 타겟 포도당 레벨 (102) 을 결정한다. 예시 목적으로, 타겟 포도당 레벨 (102) 은 110 mg/dl 이고, 상위 포도당 한계값 (104) 은 140 mg/dl 이고, 그리고 하위 포도당 한계값 (106) 은 80 mg/dl 이다. 볼러스 계산기 모듈 (48) 은 본원에 설명된 사용자의 이력 데이터에 적어도 부분적으로 기초하여 타겟 포도당 레벨 (102) 및 한계값들 (104, 106) 을 결정할 수도 있다. 측정 디바이스 (26) 는 타겟 포도당 레벨 (102) 을 향하여 혈당을 이동시키는 수정형 액션을 권고하기 위해 CGM 트레이스 (100) 의 추세적인 포도당 데이터를 이용한다. 도 3 의 타겟 포도당 레벨 (102) 은 시간 t1 전 그리고 시간 t2 후, 즉 어떠한 최근 식사들 또는 수정 볼러스들도 없을 때 최대 허용된 포도당에 대응한다. 시간들 t1 과 t2 사이에, 최대 허용된 포도당은 식사 이벤트 (114) 또는 다른 적절한 이벤트들에 기초하여 조정된다.
시간 t1 에서, 사용자가 식사를 섭취하고, 식사로 섭취된 탄수화물의 양을 표시하는 탄수화물 데이터를 관리 디바이스 (26) 에 입력할 때 식사 이벤트 (114) 가 발생한다. 일부 사례들에서, 인슐린 볼러스는 식사로부터 야기되는 포도당 레벨들에서의 예상되는 증가를 오프셋하기 위해 식사 이벤트 (114) 의 시간에 대략 투여된다. 볼러스 계산기 모듈 (48) 은 섭취된 탄수화물, (투여되면) 인슐린 수정 볼러스 및 식사 및 인슐린 주입에 이어지는 포도당 변동들에 관련된 사용자의 이력 데이터에 기초하여 투영된 포도당 레벨 상승 및 포도당 상승의 지속기간을 결정한다. 투영된 포도당 상승에 기초하여, 볼러스 계산기 모듈 (48) 은 허용된 상승 값 (124), 오프셋 시간 값 (126) 및 작용 시간 값 (acting time value)(122) 을 결정한다. 허용된 상승 값 (124) 은 예를 들어, 다른 이벤트들, 이를 테면, 글루카곤 주입, 운동, 수면, 운전 및 날짜에 기초할 수도 있다.
허용된 상승 값 (124) 은 사용자의 포도당 레벨이 탄수화물 섭취 및 인슐린 볼러스의 결과로서 타겟 포도당 레벨 (102) 에 대하여 증가하도록 허용될 수도 있는 양이다. 일부 실시형태들에서, 허용된 상승 값 (124) 은 인슐린 볼러스로부터 야기되는 수정 델타 포도당 값 (130) 및 식사 이벤트 (114) 로부터 야기되는 식사 상승 값 (132) 의 조합이다. 수정 델타 포도당 값 (130) 은 포도당 레벨이 다음 인슐린을 감소시키는 시간을 허용하기 위한, 인슐린 볼러스의 시간에 현재 포도당 레벨과 타겟 포도당 레벨 (102) 사이의 차이이다. 예시된 바와 같이, 허용된 상승 값 (124) 은 식사 및 인슐린 투여 이후의 제 1 미리 정해진 시간 양 (즉, 오프셋 시간 (126)) 동안 일정한 다음 (라인 (118) 참조), 오프셋 시간 (126) 다음에 선형적으로 감소한다 (기울기 (120) 참조). 식사 및 인슐린 주입량이 환자의 bG 레벨들에 영향을 주는 총 시간은 작용 시간 (122) 이다. 도 3 은 인슐린 및 식사 이벤트의 주입량의 효과를 고려하여 허용된 상승 값 (124) 의 사다리꼴 형상 그래프 (116) 를 예시한다.
최도 허용된 포도당은 허용된 상승 값 (124) 에 기초하여 증가하고 도 3 의 플롯 (116) 으로 이어진다. 이와 같이, 볼러스 계산기 모듈 (48) 은 플롯 (116) 에 따라 작용 시간 (122) 의 지속기간 동안 식사 이벤트 이후의 허용가능한 포도당 레벨들의 범위를 확장한다. 허용된 상승 값 (124) 은 50 mg/dl 의 초기 높이를 예시적으로 가지며, 이력 데이터로부터의 볼러스들에 대한 식사 사이즈, 인슐린, 및 사용자의 통상 반응들에 기초하여 다른 적절한 높이들을 가질 수 있다. 일부 실시형태들에서, 탄수화물들의 임계량을 초과하는 식사 이벤트들에 대해, 식사 상승 값 (132) 은 고정된다. 일 예로서, 오프셋 시간 (126) 은 약 2 시간이며, 작용 시간 (122) 은 사용자, 식사 사이즈 및 인슐린 볼러스에 의존하여 약 3 시간 내지 5 시간이다.
다시 도 2 를 참조하여 보면, 관리 디바이스 (26) 는 현재 포도당 상태 및 현재 포도당 상태와 연관된 리스크에 기초하여 기본 레이트를 계산하고 조정하기 위해 동작하는 기본 레이트 조정 로직 (50) 을 더 포함한다. 관리 디바이스 (26) 는 통신 링크 (35) 를 통하여 인슐린 펌프 (31) 로 제어 신호에서의 기본 레이트에 대한 조정을 송신하고 인슐린 펌프 (31) 는 이 조정에 기초하여 현재 인슐린 기본 레이트를 조정한다. 대안적으로, 조정된 기본 레이트는 사용자에게 표시될 수도 있고, 사용자는 수동으로 인슐린 펌프 (31) 의 기본 레이트를 조정한다. 하나 이상의 실시형태에서, 조정은 저혈당 리스크에 기초한 초기의, 미조정되거나 또는 공칭의 기본 레이트에 대한 퍼센트 감소이거나 또는 고혈당 조건들의 리스크에 기초한 초기의, 미조정되거나 또는 공칭의 기본 레이트에 대한 퍼센트 증가이다.
기본 레이트 조정 로직 (50) 은 기본 레이트가 조정될지의 여부를 결정한다. 조정된 기본 레이트가 적절하면, 기본 레이트 조정 로직 (50) 은 조정된 기본 레이트를 계산하고 관리 디바이스 (26) 는 인슐린 펌프 (31) 로 하여금 조정된 기본 레이트로 인슐린을 전달하도록 인슐린 펌프 (31) 로 제어 신호를 송신한다. 대안적으로, 관리 디바이스 (26) 는 인슐린 펌프 (31) 의 수동 조절에 대해 사용자에게 프롬프트하도록 사용자에게 그 조정된 기본 레이트를 디스플레이할 수도 있다. 일부 실시형태들에서, 조정된 기본 레이트의 구현은 인슐린 펌프 (31) 의 수동 제어를 통하여 사용자에 의해 오버라이드될 수도 있다.
그러나, 연속 포도당 모니터링 시스템 (10) 의 범위-제어의 제어는 여러 당뇨병 환자들에 대해 그리고 여러 라이프스타일들에 대해 작업을 해야 하기 때문에, 범위-제어 활동성 (aggressiveness) 의 제어가 조정될 수도 있다. 활동성은 PWD (11) 에게 전달되는 인슐린을 증가시키기 위한 CGM 시스템 (10) 의 의도성 (willingness) 이다. 더욱 활동성이 높은 시스템일수록 PWD 에게 더 많은 인슐린을 제공하기 쉽고 이는 보다 네가티브한 포도당 속도들을 가져온다. PWD들 (11) 의 개개의 생리적 특성들 및 라이프스타일들은 범위-제어에 대한 디폴트 설정들이 연속 포도당 모니터링 시스템 (10) 의 모든 사용자마다 적절한 것은 아니라는 것을 초래할 수도 있다. 구체적으로, 일부 PWD (11) 는 이들의 원하는 포도당 범위에서의 유연성 또는 더 높은 저혈당 회피 시스템을 요구할 수도 있다. 범위-제어 알고리즘의 활동성을 조정하는 것은 범위-제어가 각각의 PWD (11) 의 요구들에 맞춤화되는 것을 허용하는 것에 의해 연속 포도당 모니터링 시스템 (10) 의 안전성을 개선한다.
추가적으로, 범위-제어의 활동성은 또한, 포도당 센서 (16) 의 라이프 사이클에서의 상이한 주기들에 대하여 또는 상이한 날짜들에서 조정될 수도 있다. 예를 들어, 활동성은 포도당 센서 (16) 의 첫번째 이용일 동안 감소된 다음 이어서, 포도당 센서 (16) 민감도가 안정화되었을 때 감소될 수도 있다. 활동성은 또한 최근 캘리브레이션 혈당 측정이 취해지지 않았다면 감소될 수 있다. 최근 캘리브레이션 혈당 측정이 취해지지 않았다면, CGM 판독값들의 정확도가 덜 확실하게 되고 CGM 판독 정확도에서의 감소된 신뢰도를 고려하도록 범위-제어의 활동성이 조정된다.
이전에 논의된 바와 같이, 마이크로제어기 (32) 는 누적 해저드 값들에 기초하여 복수의 초기 포도당 상태들로부터 타겟 포도당 상태로 타겟 리턴 경로들을 계산하는 해저드 분석 로직 (40) 을 포함한다. 도 5 및 도 6 은 누적 해저드 값의 결정시 긍극적으로 이용된 주어진 포도당 레벨에 대하여 해저드 값을 계산하기 위한 예시적 해저드 함수 (80) 를 예시한다. 하나 이상의 실시형태들에서, 해저드 함수 (80) 는 다음의 식에 의해 정의된다:
Figure pct00001
(1)
Figure pct00002
(2)
Figure pct00003
(3)
식에서, g 는 x-축 상에 도시된 혈당 값 (mg/dl) 이고, h(g) 는 y-축 상에 도시된 대응하는 해저드 값이고, Δghyper 는 고혈당 시프트이고, Δghypo 는 저혈당 시프트이고, hMAX 는 최대 해저드이고, hMIN 는 최소 해저드이고, αhyper 는 고혈당 제어 활동성이고, α, β 및 c 는 프로세스 변수들이다. 추가적이고 대안적인 해저드 함수들은 또한, 본 개시 전반에 걸쳐 참조에 의해 통합된 다수의 관련 출원들에서 개략적으로 설명된 바와 같이 구성된다. 예시된 실시형태에서, 변수들 α, β, 및 c 는 다음: α=1.509, β=5.381, 그리고 c=1.084 과 같이 정의된다. gMAX 는 gMAX 위에서는 hMAX 를 초과하는 추가적인 증분적 해저드가 계산되지 않는 포도당 값이고, 이와 유사하게 gMIN 은 gMIN 아래에서는 hMIN 을 초과하는 추가적인 증분 해저드가 계산되지 않는 포도당 값이다. 고혈당 범위 (h(g)hyper) 및 저혈당 범위 (h(g)hypo) 에 대한 해저드 함수들의 테스트 케이스들이 발생된다. h(g) 함수는 hMAX, hMIN, h(g)hyper, 또는 h(g)hypo 가 테스트된 혈당 값에 대하여 최종 해저드 값으로서 구현되어야 하는지를 결정한다.
hMAX 및 hMIN 의 결정시 gMAX 및 gMIN 의 구현은 각각, 극단적인 혈당 값들에 대한 과도한 포지티브 또는 네가티브 해저드 값들을 방지한다. 하나 이상의 실시형태들에서, gMAX 는 600 mg/dl 로 설정되고 hMAX 는 gMAX 와 연관된 h(g)hyper 이다. 이와 유사하게, 하나 이상의 실시형태들에서, gMIN 은 10 mg/dl 로 설정되고, hMIN 은 gMIN 과 연관된 h(g)hypo 이다. 이와 같이, g 가 gMAX 를 초과하거나 또는 gMIN 미만으로 떨어지면, 혈당 값과 연관된 해저드 값은 hMAX 및 hMIN 에 의해 정의된 범위를 초과하는 것이 금지된다.
하나 이상의 실시형태들에서, 범위-제어의 활동성은 리스크 표면의 스케일링으로 조정된다. 구체적으로, 고혈당 리스크 스케일링 방법은 고혈당과 연관된 포지티브 해저드 값들을 향해서만 적용하는 스케일링 팩터를 해저드 함수에 도입한다. 이 고혈당 리스크 스케일링 방법의 구현은 PwD 의 다양한 인슐린 민감도들을 고려하기 위해 고혈당 해저드 함수 (h(g)hyper) 의 활동성을 조정하는 기능성을 제공하는 파라미터 (αhyper) 로 실현된다. 스케일링 팩터를 도입하는 것은 리스크 표면의 고혈당 부분의 활동성의 점차적 감소 및 기본 레이트에 대한 조정들의 활동성의 부수적인 점차적 감소를 가져온다. 고혈당 해저드 함수만을 스케일링시, 저혈당 해저드 평가가 영향을 받지 않는다. 그러나, 추가의 실시형태들에서, 스케일링 팩터는 또한 저혈당 리스크 표면에도 적용될 수 있어, 저혈당 리스크 및 고혈당 리스크가 독립적으로 스케일링될 수 있다.
도 4a 및 도 4b 를 참조하여 보면, 통상의 기본 승수들 및 리스크 스케일링이 있는 기본 승수들이 각각 제공된다. 통상의 기본 승수에서, 도 4a 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 250% 로 증가될 것이다. 이와 반대로, 고혈당 리스크 스케일링에서, 도 4b 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 약 165% 로 감소될 것이다. 감소된 활동성은 리스크 스케일링에 의해 250% 로부터 165% 로의 기본 승수의 감소에서 확인된다. 추가적으로, 도 4c 를 참조하여 보면, 감소된 αhyper (82) 가 고혈당 영역에서의 해저드 함수의 활동성의 점차적 감소를 예시하는 해저드 함수와 함께 공칭 해저드 함수 (80) 가 예시되어 있다.
하나 이상의 실시형태들에서, 범위-제어의 활동성은 리스크 표면의 시프팅으로 조정된다. 구체적으로, 고혈당 리스크 시프팅 방법은 식사 또는 수정 볼러스에 뒤이어서 내장된 인슐린을 고려하도록 고혈당 리스크 표면을 시프트한다. 고혈당 리스크 시프트는 또한 더 큰 포도당 타겟 범위가 환자에 대해 권고될 때 이용될 수도 있다. 예를 들어, 아이들은 통상적으로 더 큰 포도당 타겟 범위를 이용한다. 이 경우에, 최소 시프트가 이용되고 시프트 관련 임의의 식사 또는 볼러스가 추가된다. 고혈당 영역은 식사 증가 또는 리스크 표면의 최대 허용된 포도당에서의 다른 시프트에 의해 시프트된다. 고혈당 해저드 함수만을 스프트시, 저혈당 해저드 평가가 영향을 받지 않는다. 고혈당 시프트의 구현은 Δghyper 파라미터로서 앞서 제시된 식 1 에 예시된다.
도 5a 및 도 5b 를 참조하여 보면, 통상의 기본 승수들 및 리스크 시프트가 있는 기본 승수들이 각각 제공된다. 통상의 기본 승수들에서, 도 5a 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 250% 로 증가될 것이다. 이와 반대로, 고혈당 리스크 시프트에서, 도 5b 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 약 100% 로 실질적으로 변경되지 않은 상태로 유지된다. 감소된 활동성은 저혈당 리스크 시프트에 의해 250% 로부터 100% 로의 기본 승수의 감소에서 확인된다. 도 4c 를 참조하여 보면, Δghyper 는 최근 식사 또는 수정 볼러스를 고려하도록 고혈당 영역 (포지티브 해저드 값들) 에서 해저드 함수 (80) 를 시프트시킨다. 고혈당 시프트 해저드 함수 (84) 는 이전 식사 또는 수정 볼러스 이후의 해저드 함수에서의 시프트를 예시한다.
하나 이상의 실시형태들에서, 범위-제어의 활동성은 허용된 포도당 가속도의 변경으로 조정된다. 포도당 가속도는 포도당 속도의 변화율이다. 포도당 속도는 포도당 값의 변화율이다. 이러한 포도당 가속도는 mg/dl/min2 의 단위들을 가질 수도 있으며, 포도당 속도는 mg/dl/min 의 단위들을 가질 수도 있다.
리스크 표면 계산은 특정 포도당 상태와 연관된 해저드를 결정할 때 최대 허용된 포도당 가속도에 대한 파라미터를 이용한다. 구체적으로, 현재 포도당 상태로부터 타겟 포도당으로의 누적 해저드 값은 최대 허용된 포도당 가속도를 이용한다. 포도당 가속도의 디폴트 값은 0.025 mg/dl/min2 이고 포도당 가속도 값을 조정하는 것은 리스크 표면의 형상에 영향을 준다. 최대 포지티브 포도당 가속도 및 최대 네가티브 포도당 가속도는 상이한 절대값들일 수도 있다. 개인이 이용가능한 글루카곤을 가지면, 이들의 최대 포지티브 가속도는 증가되는 한편, 이들의 최대 네가티브 가속도는 변경되지 않은 상태로 유지된다. 글루카곤의 이용가능성은 너무 과감한 인슐린 볼러스 또는 기본 레이트가 수정되는 것을 허용한다.
현재 포도당 상태로부터 타겟 포도당 상태로의 리턴 경로의 누적 해저드 값은 현재 포도당 상태와 타겟 포도당 상태 사이의 경로에 대한 포도당 값들의 해저드 값들을 합산하는 것에 의해 계산된다. 경로는 최대 허용된 포도당 가속도를 제한하는 것에 의해 제약된다. 추가적으로, 일단 타겟 포도당 상태에 도달되면 타겟 포도당 상태로 유지하고 타겟 포도당 상태 위와 아래로 오실레이션하지 않기 때문에 타겟은 0의 변화율을 갖는 것으로 본다.
포도당 상태와 타겟 사이의 최소 리스크의 리턴 경로는 가장 빠른 경로이다. 이 리턴 경로는 최대 허용된 포도당 가속도들 (포지티브 및 네가티브 포도당 가속도들 양쪽) 을 이용하여 타겟 포도당 상태로 리턴한다. 리턴 경로 발생의 폐쇄형 솔루션은 허용된 포도당 가속도들의 한 극단이 반대 극단으로 이어지는 기간으로 구성된다.
포지티브 저혈당 시프트가 이용되면, 시프트된 포도당 타겟을 얻기 위해 저혈당 시프트가 타겟 포도당에 추가되어야 한다. 이는 해저드가 포지티브 (고혈당) 로부터 네가티브 (저혈당) 로 시프트하는 혈당 레벨을 포도당 타겟이 표현할 때 저혈당 리스크를 정확하게 시프트시키는 것을 필요로 한다. 시프트된 포도당 타겟으로의 타겟 포도당의 조정은 다음 식에 의해 정의된다:
Figure pct00004
(4)
식에서,
Figure pct00005
는 시프트된 포도당 타겟이고, gt 는 공칭 포도당 타겟이고, Δghypo 는 저혈당 시프트이다. 식 4 에서의 최대값 함수는 네가티브 저혈당 시프트가 타겟 포도당에 추가되는 것을 방지하고 그 대신에 0의 저혈당 시프트를 이용하여
Figure pct00006
및 gt 가 동일하게 되는 것을 초래한다.
초기 문제로서, 리턴 경로의 일반화된 형태가 결정되어야 한다. 리턴 경로는 초기 포지티브 포도당 가속도를 갖고, 이어서, 네가티브 포도당 가속도를 가질 수 있거나, 또는 초기 네가티브 포도당 값을 갖고 이어서, 포지티브 포도당 가속도를 가질 수도 있다. 리턴 경로의 일반화된 형태는 아래에 제시된 식 5 및 식 6 중 어느 것이 실수 솔루션으로 리턴하는지를 푸는 것에 의해 결정될 수도 있다.
Figure pct00007
식에서
Figure pct00008
Figure pct00009
는 포도당 레벨의 변화율이고,
Figure pct00010
는 최대 포지티브 포도당 가속도이고,
Figure pct00011
은 최대 네가티브 포도당 가속도이고,
Figure pct00012
는 식 4 로부터의 시프트된 포도당 타겟이다. 식 5 가
Figure pct00013
에 대해 실수로 리턴하고
Figure pct00014
및
Figure pct00015
양쪽이 0 이상이면, 리턴 경로는 첫번째로 포지티브 가속도를 이용하고 두번째로 네가티브 가속도를 이용한다. 이와 반대로, 식 6 이
Figure pct00016
에 대해 실수로 리턴하고
Figure pct00017
및
Figure pct00018
양쪽이 0 이상이면, 리턴 경로는 첫번째로 네가티브 가속도를 이용하고 두번째로 포지티브 가속도를 이용한다.
리턴 경로의 일반화된 형태가 결정되면, 리턴 경로의 누적 해저드 값이 계산될 수도 있다. 리턴 경로가 첫번째로 포지티브 가속도를 이용할 때, 누적 해저드 값은 다음 식에 의해 정의된다:
Figure pct00019
(11)
그리고 리턴 경로가 첫번째로 네가티브 가속도를 이용할 때, 누적 해저드 값은 다음 식에 의해 정의된다:
Figure pct00020
(12)
도 4c 에 예시된 바와 같이 각각의 시점에 대한 해저드 값이 더 높을 때, 더 극단적인 포도당 값들에 직면한 리턴 경로들이 더 높은 누적 해저드 값을 갖는 경향이 있음을 알아야 한다. 예를 들어, 225 mg/dl 의 혈당 값은 동일한 포도당 변화율에서 120 mg/dl 의 혈당값 보다 더 높은 해저드 값을 가질 것이다. 또한, 타겟 포도당 상태로 리턴하기 위해 더 오랜 시간이 걸리는 경로들은 더 높은 해저드 값을 갖는 경향이 있을 것이다. 경로는 초기 포도당 변화율 또는 극단적인 포도당 값들의 결과로서 타겟 포도당 상태로 더 오래 리턴하는 것을 요구할 수도 있다.
하나 이상의 실시형태들에서, 허용된 가속도는 증가된다. CGM 시스템 (10) 은 더 높은 허용된 최대 가속도에 의해 원하지 않는 포도당 상태로부터 회복하기에 더 용이한 것으로 보기 때문에, 허용된 가속도의 증가는 포도당 농도에서의 더 큰 변화율에 대한 감소된 리스크를 초래한다. 증가된 최대 허용된 가속도에 의해 범위-제어 시스템을 조정하는 것은 범위-제어 시스템으로 하여금, 혈당이 떨어질 때 기본 인슐린 레이트를 감소시키는데 더 오래 기다리게 하여, 이에 의해 활동성을 증가시킨다. 도 6a 및 도 6b 를 참조하여 보면, 포도당 농도에서의 변화율 (포도당 속도) 이 0일 때의 기본 레이트는 구현되는 증가된 최대 허용된 가속도로부터의 증가된 활동성에 의해 범위-제어 시스템과 디폴트 설정들 간에 거의 동일하다. 포도당 농도의 변화율에 대한 기본 승수의 결과적인 네가티브 기울기는 감소된다.
하나 이상의 실시형태들에서, 허용된 가속도는 감소된다. 허용된 가속도를 감소시키는 것은 CGM 시스템 (10) 이 포도당 농도에서의 증가된 변화율에 대한 더 큰 리스크를 계산하는 것을 초래한다. 0에서 벗어난 혈당 농도의 변화율에서의 증가된 계산 리스크는 CGM 시스템 (10) 이 포도당에서의 임의의 하락 또는 상승에 신속하게 반응하게 한다. CGM 시스템 (10) 은 포도당 농도에서의 0 변화율로부터의 임의의 편차를 과감하게 관리한다. 도 7a 및 도 7b 를 참조하여 보면, 포도당 농도에서의 변화율 (포도당 속도) 이 0일 때의 기본 레이트는 구현되는 증가된 최대 허용된 가속도로부터의 증가된 활동성에 의해 범위-제어 시스템과 디폴트 설정들 간에 거의 동일하다. 포도당 농도의 변화율에 대한 기본 승수의 결과적인 네가티브 기울기는 증가된다.
하나 이상의 실시형태들에서, 포도당 상태의 범위의 해저드를 그 상태의 확률과 곱하여 합산하는 것에 의해 리스크가 결정된다. 포도당 상태 불확실성은 주어진 상태의 확률의 계산을 제어한다. 이전에 논의된 바와 같이 불확실도는 통상적으로 Kalman 필터에 의해 형성된다. 불확정도가 확장된 기간 동안 높게 유지되거나 또는 특정 임계값을 교차하면, PWD (11) 는 통지받고, 제어 알고리즘은 범위-제어로부터 pLGS (predictive low glucose suspend) 로 변경될 수도 있다. 불확정도가 보다 극단적인 임계값을 교차하면, 제어 시스템은 CGM 시스템 (10) 의 포도당 센서 (16) 가 재캘리브레이션되거나 대체될 때까지 턴오프될 수도 있다.
누적 해저드 값은 현재 포도당 상태로부터 타겟 포도당 상태로의 특정 리턴 경로에 대한 해저드를 제공한다. 그러나, 포도당 센서 (16) 로부터의 CGM 혈당 측정들에는 불확정도들이 존재한다. 이와 같이, 정확한 혈당 측정값은 포도당 센서 (16) 에 의해 결정된 혈당과는 상이할 수도 있고 특정 계산된 누적 해저드 값은 정확한 리턴 경로와 관련하여 정확하지 않을 수도 있다. 실제 리턴 경로에서의 가변성을 나타내기 위해, CGM 혈당 측정들에서의 변동을 고려하는 현재 리스크 메트릭이 결정된다.
현재 리스크 메트릭을 계산하기 위하여, CTR 주기의 중간 점에서의 예측된 포도당 상태가 처음에 결정된다. 여러 실시형태들에서, CTR 주기의 중간 점은 정확한 중점 (CTR 주기의 1/2), CTR 주기의 1/4, CTR 주기의 1/3, CTR 주기의 2/3, 또는 CTR 주기의 3/4 이다. 일 실시형태에서, CTR 은 일반적으로 매 15 분마다 업데이트되어, 중점이 7.5 분에서부터 15 분 샘플링 간격으로 귀결된다. 단시간 수평선들에 대해, 선형 예측이 또한, 또는 보다 복잡한 모델들보다 양호하게 수행되어, 선형 예측이 단순화를 위해 이용된다. 포도당 레벨에서의 변화율은 15 분 샘플링 간격의 중점에서 예측된 혈당 레벨을 결정하는데 있어서 7.5 min 윈도우에 걸쳐 일정하게 유지될 것으로 보여진다. 이와 같이, 예측된 포도당 레벨은 다음의 식에 의해 정의된다:
Figure pct00021
(13)
식에서, g 는 초기 측정된 혈당 레벨이고,
Figure pct00022
는 포도당 레벨의 초기 변화율이고 τ 는 CTR 주기의 시작에서부터 측정된 예측 시간이다. 따라서, 예측된 포도당 상태는
Figure pct00023
이다.
후속하여, 예측된 포도당 상태 주변의 포도당 상태 분포가 결정된다. 이와 유사하게, 현재 포도당 상태 주변의 포도당 상태 분포가 또한 결정될 수도 있다. 포도당 상태 분포에 대한 샘플들은 g 및
Figure pct00024
방향들에서 분포의 표준 편차에 기초하여 선택된다. 포도당 상태 분포 샘플들의 생성은 다음 식들로 정의된다:
(14)
Figure pct00026
(15)
식에서, Gs 는 포도당 값들의 분포이고,
Figure pct00027
는 포도당 변화율의 분포이고, g 는 현재 리스크 메트릭에 대한 포도당 값이고,
Figure pct00028
는 현재 리스크 메트릭에 대한 포도당 레벨의 변화율이고, σg 는 g 의 표준 편차이고,
Figure pct00029
는
Figure pct00030
의 표준 편차이고, k 는 Gs 의 분할 개수이고, 그리고 n 은
Figure pct00031
의 분할 개수이다. 포도당 상태 분포가 현재 포도당 상태 또는 예측된 포도당 상태에 대하여 각각 희망되면, g 는 현재 포도당 레벨 또는 예측된 포도당 레벨을 표현할 수도 있음을 알게 될 것이다. 식 14 및 식 15 는 g 및
Figure pct00032
의 2 개의 표준 편차들 내의 범위에 있는 샘플들의 분포를 제공한다. 적어도 하나의 실시형태에서, g 에 대한 샘플링된 값들은 2 개의 표준 편차들에 의해 바운딩된 범위를 10 으로 나누는 것에 의해 선택되고
Figure pct00033
에 대한 샘플링된 값들은 2 개의 표준 편차들에 의해 바운딩된 범위를 8 로 나누는 것에 의해 선택되어, 각각, k=10 및 n=8 이도록 한다.
현재 리스크 메트릭은 샘플링된 포도당 상태들 각각으로부터 생성된 리턴 경로들의 누적 해저드 값들의 가중평균에 기초하여 결정된다. 구체적으로, 리스크는 Gs 및
Figure pct00034
에서의 점들의 각각의 조합에서 누적 해저드 값들의 가중 평균을 결정하고 이들을 다변량 지수함수 (
Figure pct00035
) 에 의해 가중처리하는 것에 의해 계산된다. 현재 리스크 메트릭은 다음 식에 의해 정의된다:
Figure pct00036
(16)
식에서 r 는 현재 리스크 메트릭이고,
Figure pct00037
(17)
Gs 는 포도당 값들의 분포이고,
Figure pct00038
는 검출된 포도당 상태 주변의 포도당 상태 분포로부터 결정된 포도당 변화율의 분포이고,
Figure pct00039
는 각각의 포도당 상태에서 리턴 경로의 누적 해저드 값이고, g 는 현재 리스크 메트릭에 대한 포도당 값이고,
Figure pct00040
는 현재 리스크 메트릭에 대한 포도당 레벨의 변화율이며,
Figure pct00041
(18)
Figure pct00042
는 g 의 표준 편차이고, 그리고
Figure pct00043
는
Figure pct00044
의 표준 편차이다. 누적 해저드 값들의 가중처리는 최종적인 현재 리스크 메트릭 계산에 있어서 측정된 포도당 상태에 가장 가까운 샘플들이 최대 가중값을 수용하게 한다.
하나 이상의 실시형태들에서, 포도당 상태에서의 불확정도가 증가된다. 불확정도를 증가시키는 것은 저혈당의 확률에서의 증가를 야기한다. 추가적으로, 해저드 함수가 비대칭이기 때문에, 증가된 저혈당 확률은 저혈당 리스크에서의 증가를 초래한다. 저혈당 리스크에서의 증가는 더 빨리 범위-제어 시스템이 반응하게 하여, 혈당의 변화율들 (포도당 속도) 에서의 증가를 가져오고 또한 고혈당 영역에서의 기본 증가의 활동성을 감소시킨다. 도 8a 및 도 8b 를 참조하여 보면, 통상의 불확정도 및 증가된 불확정도의 기본 승수가 각각 제공된다. 통상의 불확정도에서, 도 8a 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 250% 로 증가될 것이다. 이와 반대로, 증가된 불확정도에서, 도 8b 에 예시된 바와 같이, 기본 레이트는 약 190 mg/dl 와 0 mg/dl/min 에서 210% 로 증가될 것이다. 감소된 활동성은 포도당 상태의 불확정도에서의 증가와 함께 250% 로부터 210% 로 기본 승수의 감소에서 입증된다.
추가의 실시형태들에서, 포도당 상태에서의 불확정도는 감소된다. 불확정도를 감소시키는 것은 범위-제어 시스템으로 하여금 포도당 상태에서의 신뢰도를 증가시키게 한다. 포도당 상태에서의 신뢰도에서의 증가는 범위-제어 시스템이 더 느리게 반응하게 하여 혈당의 변화율들 (포도당 속도) 에서의 증가를 가져오고, 또한 고혈당 영역에서의 기본 증가의 활동성을 증가시킨다. 저혈당에 실제 있을 확률이 포도당 상태에서의 감소된 불확실도에 따라 감소되기 때문에 범위-제어 시스템은 혈당의 변화율들에서의 증가에 대하여 더 느리게 반응할 수도 있다. 도 9a 및 도 9b 를 참조하여 보면, 통상의 불확정도 및 감소된 불확정도의 기본 승수가 각각 제공된다. 기본 레이트에 대한 조정이 요청되지 않는 영역은, 도 9a 및 도 9b 의 비교에 도시된 바와 같이 포도당 상태에서의 감소된 불확정도에 따라 증가된다.
과감도 파라미터들 각각은 PWD (11) 에 의해 수동으로 또는, 다른 팩터들, 이를 테면, 운동, 스트레스, 수면, 여행, 수면, 및/또는 병에 기초하여 범위-제어 알고리즘에 의해 조정될 수도 있다.
포도당 불확정도 및/또는 가속도 파라미터들은 리스크 표면 및/또는 기본 승수 프로파일을 결정하기 위해 알고리즘에 이용될 수도 있지만, PWD (11) 또는 사용자에게 노출되지 않는다. 예를 들어, PWD (11) 또는 사용자에게는 저, 중 또는 고 활동성의 선택이 주어질 수도 있으며, 이 활동성은 최대 허용된 포도당 가속도, 고혈당 리스크 시프트, 저혈당 리스크 시프트, 및 리스크 스케일링을 조정하여 원하는 결과를 달성한다. 저, 중 또는 고 활동성들의 이론적 설정은 4 개의 활동성 파라미터들에 대하여 이용된 특정 값들에 PWD (11) 또는 HCP 에게 경고함이 없이 실현될 수도 있다. 활동성의 추가적인 레벨들은 또한, 이를 테면, 중-저 및 중-고, 또는 10 개의 개별 활동성 계층들을 나타내는 1-10 의 스케일로서 구현될 수도 있음을 알 것이다.
추가의 실시형태들에서, HCP 및 PWD (11) 는 고혈당 시프트 파라미터를 이용하여 설정되는 특정 범위, 및 스케일링 팩터 및 가속도를 이용하여 설정되는 활동성을 정의할 수도 있다.
CGM 시스템 (10) 의 활동성을 결정하는 파라미터들은 CGM 시스템 (10) 이 먼저 규정되고 시간에 따라 최적화될 때 설정될 수도 있다. 일부 실시형태들에서, 활동성 설정은 보다 활동성인 고 설정 또는 덜 활동성인 저 설정으로의 조정을 갖는 디폴트 설정으로서 중간일 수도 있다.
활동성 설정을 조정하고/하거나 결정함에 있어서, HCP 및/또는 PWD (11) 는 PWD (11) 의 민감도를 네가티브 및 포지티브 포도당 속도들 양쪽 모두에 대해 고려할 수도 있다. 일부 사람들은 이들이 저혈당으로 진행되는 것과 동일하게, 이들의 혈당이 여전히 양호한 범위에 있을 때에도 급속한 네가티브 포도당 속도에 의해 고통을 받는다. 추가적으로, HCP 는 저, 중 또는 고의 활동성 설정을 선택하기 위한 가이드로서 PWD (11) 의 저혈당 두려움, 저혈당의 횟수들에 대한 PWD (11) 의 인지 정도 및 최근 심각한 저혈당 에피소드들의 수를 판단하기 위해 설문지를 이용할 수 있다.
각각의 CTR 주기에 대한 최종 기본 승수는 현재 리스크 메트릭을 이용하여 결정된다. 현재 리스크 메트릭은 먼저, 0 과 TBRMAX 사이의 기본 승수 값으로 변환된다. TBRMAX 는 일시적 기본 레이트 (temporary basal rate; TBR) 에 대한 최대 백분율이다. 적어도 하나의 실시형태에서, TBRMAX 는 250 % 로 디폴트된다. 추가의 실시형태들에서, TBRMAX 는 250 % 보다 더 낮거나 또는 더 높고 저혈당 위험군 개인들에 대한 제어 및 결정을 튜닝하도록 조정된다. 기본 승수 값은 다음 식으로 정의된다:
Figure pct00045
(19)
식에서 BM(r) 는 기본 승수 값이고 r 은 현재 리스크 메트릭이고 r0% 은 기준 리스크 메트릭이다. 하나 이상의 실시형태들에서, 기준 리스크 메트릭은 완전한 기본 차단에 링크된 포도당 상태이다. 예를 들어, 완전한 기본 차단은 혈당 레벨이 70 mg/dl 미만일 때 기본 인슐린이 제공되지 않도록 70 mg/dl 에서 발생할 수도 있다. 기본 승수 값은 현재 리스트 메트릭이 변할 때 연속 함수로서 제공될 수도 있다. 그러나, 조정된 기본 레이트를 치료 전달 디바이스 (31) 에 제공하기 전에, 증분적 기본 레이트 승수 (BMinc) 를 제공하도록 최근접 TBR 증분값 (TBRinc) 으로 변환된다. 증분적 기본 레이트 승수는 다음 식에 의해 정의된다:
Figure pct00046
(20)
도 9 를 참조하여 보면, 10% 의 TBRinc 를 갖는 예시적인 연속 기본 승수 값들 및 증분적 기본 레이트 승수들 및 구현된 플로어 함수가 예시되어 있다.
인슐린 전달 시스템들에 대한 자동 제어 전략의 적응에 대한 장해물은 연속 포도당 센서(들) 로부터의 입력 데이터, 포도당 값들에서의 불확정도였음을 알고 있을 것이다. 정확도와 신뢰도에서의 개선에 많은 노력이 이루어져 왔다. 예를 들어, 임피던스 데이터가 포도당 센서로부터의 데이터를 조정하기 위해 이용되어 보고 값의 정확도를 개선하려는 경우에도, 아마도 100% 의 신뢰도가 실현되기는 쉽지 않다. 이러한 이유로, 이득 제어 모듈은 센서 데이터의 품질을 평가하고 제어 알고리즘에서의 품질을 고려할 수도 있다. 구체적으로, 본 발명자들은 센서 데이터의 시간 코스로부터 유도되고 통계적 필터의 이득을 적응하기 위해 이용된 확률 스코어가 보고 값의 품질을 개선할 수 있음을 발견하였다. 센서 품질 스코어 (Qtotal) 가 또한 인슐린 전달 시스템의 제어기 이득을 적응하기 위해 이용될 수 있어, 제어의 활동성이 센서 포도당 결과들에서의 신뢰도의 정도에 기초하여 사용자의 안전성에 대비되어 절충되게 될 수 있다.
제어기의 활동성은 센서 품질 스코어를 이용하여 조정될 수 있다. 비례-적분-미분 제어기 (proportional-integral-derivative controller; PID) 제어의 경우에, 제어기는 3 개의 이득 항들로 특정된다.
Figure pct00047
(21)
센서 품질 스코어는 이득 항들의 일부 세트를 조정하기 위해 이용될 수도 있다.
Figure pct00048
추가적으로, 센서 품질 스코어가 적분 항을 계산할 때 이용될 수 있어, 센서 품질이 낮을 때 발생하는 과거의 에러들이 현재 제어기 출력에 거의 영향을 주지 않게 된다.
Figure pct00049
(25)
제어기의 활동성은 또한, 고혈당 시프트, 고혈당 스케일링, 최대 허용된 포도당 가속도 또는 포도당 상태 불확정도를 이용하여 조정될 수도 있다. 고혈당 시프트는 Qtotal 이 1 일 때 0 일 수도 있고, 이것이 0을 향하여 감에 따라 증가한다. 고혈당 스케일링은 Qtotal 또는 이것의 인수와 동일할 수도 있다. 포도당 상태 불확정도는 Qtotal 값을 회귀적 필터에 통합하는 것에 의해 조정된다.
평가되고 있는 데이터의 품질은 예를 들어, 포도당 센서 (16) 및/또는 임피던스 센서로부터 수신된 데이터 및 신호 입력 특징(들)의 품질 메트릭들의 세트로부터의 총 품질 스코어 (Qtotal) 관점에서 평가된다. 총 품질 스코어 (Qtotal) 는 0(영) 과 1(일) 사이의 범위에 있는 값을 가지며, 마이크로제어기 (32) 의 이득을 변경하여 품질 스코어가 낮을 때 증가된 안전도 레벨을 제공하고 그리고 품질 스코어가 높을 때 마이크로제어기 성능 및 혈당 제어를 개선하기 위해 이용된다.
예를 들어, 일 예시된 구현형태에서, 총 품질 스코어 Qtotal = 0 (또는 0 ≤ Qtotal < T) 인 센서 (16) 의 경우에, 마이크로제어기 (32) 가 폐루프 포도당 제어에서 동작중이면 (여기에서 인슐린 전달 조정들은 포도당 센서 (16) 로부터 수신된 입력에 기초하여 마이크로제어기 (32) 에 의해 자동으로 행해진다), 보다 안전한 개루프 동작 모드, 즉, 개루프 포도당 제어 (여기에서 조정들은 사용자에 의해 그리고 미리 프로그래밍된 시간 프로파일들에 의해 사용자에게 권고되는 대로 행해진다) 로 폴백한다. 총 품질 스코어 (Qtotal) 가 임계값 (T) 보다 크고/크거나 일 (1) 과 같은 경우, 즉 T < Qtotal ≤ 1 인 경우에, 마이크로제어기 (32) 는 센서 데이터가 적절한 양의 인슐린을 전달하게 하는 확실도로 혈당증을 보다 활동적으로 관리하도록 작용하여, 이에 의해 예를 들어, 시스템 (10) 이 최적의 안전도를 갖는 최적의 폐루프 포도당 제어에서 기능하도록 허용한다.
다른 구현형태에서, 총 품질 스코어 (Qtotal) 가 임계값 (Thigh) 보다 크고/크거나 일 (1) 과 같은 경우, 즉 Thigh < Qtotal ≤ 1 인 경우에, 마이크로제어기 (32) 는 센서 데이터가 적절한 양의 인슐린을 전달하게 하는 확실도로 혈당증을 활동적으로 관리하도록 작용하여, 이에 의해 예를 들어, 시스템 (10) 이 최적의 안전도를 갖는 최적의 폐루프 포도당 제어에서 기능하도록 허용한다. 총 품질 스코어 (Qtotal) 가 Tlow ≤ Qtotal < Thigh (여기에서 Tlow < Thigh 임) 이도록 하는 포도당 센서 (16) 의 경우에, 마이크로제어기 (32) 는 보다 안전한 감소된 이득 폐루프 동작 모드로 폴백하며, 여기에서 조정들은 식 21 내지 식 25 의 구현을 통한 총 품질 스코어의 값에 기초하여 감소된 이득으로 마이크로제어기에 의해 자동으로 행해진다. 총 품질 스코어 (Qtotal) 가 0 ≤ Qtotal < Tlow 이도록 하는 센서 (16) 의 경우에, 마이크로제어기는 보다 안전한 개루프 동작 모드, 즉, 개루프 포도당 제어로 폴백하며, 여기에서, 조정들은 사용자에 의해 그리고 미리 프로그래밍된 시간 프로파일들에 의해 사용자에게 권고되는 대로 행해진다.
제어기 이득 및 Qtotal 에 기초한 확률에 대한 추가적인 대안의 설명들에 대해서는, 2016년 3월 4일 출원되고 발명의 명칭이 "Probability Based Controller Gain" 인 미국 특허 출원 일련 번호 15/061,202 를 참조하며, 여기서는 그 전체 내용을 참조로서 포함한다. 기본 레이트를 결정하기 위한 추가적인 대안의 설명들에 대해서는, 2015년 3월 28일 출원되고 발명의 명칭이 "System and Method for Adjusting Therapy Based on Risk Associated with a Glucose State" 인 미국 특허 출원 일련 번호 14/229,016 을 참조하며, 여기서는 그 전체 내용을 참조로서 포함한다. 타겟 리턴 경로들을 계산하고 리스크 메트릭들을 계산하는 추가적인 설명에 대해서는, 2012년 10월 4일 출원되고 발명의 명칭이 "System and Method for Assessing Risk Associated with a Glucose State" 인 미국 특허 출원 일련 번호 13/645,198 을 참조하며, 여기서는 그 전체 내용을 참조로서 포함한다. 컴퓨팅 디바이스 (66) 의 확률 분석 툴, 순환 필터, 불확정도 계산, 및 다른 확률 및 리스크 분석 기능들의 추가적인 설명에 대해서는, 2010년 1월 26일 출원되고 발명의 명칭이 "Methods and Systems for Processing Glucose Data Measured from a Person Having Diabetes" 인 미국 특허 출원 일련 번호 12/693,701 및 2010년 6월 18일 출원되고 발명의 명칭이 "Insulin Optimization Systems and Testing Methods with Adjusted Exit Criterion Accounting for System Noise Associated with Biomarkers"인 미국 특허 출원 일련 번호 12/818,795 를 참조하며, 여기서는 그 전체 내용을 참조로서 포함한다. 볼러스 계산기 모듈 (88) 의 추가적인 설명에 대해서는, 2012년 8월 24일 출원되고 발명의 명칭이 "Handheld Diabetes Management Device with Bolus Calculator" 인 미국 특허 출원 일련 번호 13/593,557 및 2012년 8월 24일 출원되고 발명의 명칭이 "Insulin Pump and Methods for Operating the Insulin Pump"인 미국 특허 출원 일련 번호 13/593,575 를 참조하며, 여기서는 그 전체 내용을 참조로서 포함한다.
이때, 본원에 설명된 방법들 및 시스템들은 당뇨병 환자의 포도당 레벨을 추정하고 당뇨병 환자의 포도당 레벨을 조정하기 위해 범위-제어 알고리즘을 이용하는데 이용될 수도 있음을 이해해야 한다. 추가로, 본원에 설명된 방법들 및 시스템들은 포도당 농도에서의 증가를 고려하기 위해 인슐린 기본 레이트들을 신뢰성있게 증가시키도록 범위-제어 알고리즘의 활동성을 튜닝하기 위해 또한 이용될 수도 있다. 본원에 설명된 방법들은 방법들을 수행하기 위한 컴퓨터 실행가능 명령들을 갖는 컴퓨터 판독가능 매체 상에 저장될 수도 있다. 이러한 컴퓨터 판독가능 매체는 콤팩트 디스크, 하드 드라이브들, 썸 드라이브들, 랜덤 액세스 메모리, 동적 랜덤 액세스 메모리, 플래시 메모리 등을 포함할 수도 있다.
특정 방식으로 "구성"되고 있는, 특정 특성을 구현하도록 "구성"된, 또는 특정 방식으로 기능하는 본 개시의 컴포넌트의 본원에서의 인용들은 의도된 사용의 인용들과 대조되는 구조적 인용들임을 주지해야 한다. 보다 구체적으로, 컴포넌트가 "구성되는" 방식에 대한 본원에서의 참조들은 컴포넌트의 기존의 물리적 상태를 나타내며, 이로써, 컴포넌트의 구조적 특징의 한정된 언급으로서 취해져야 한다.
본 발명의 특정 실시형태들 및 양태들이 본원에 예시되어 설명되어 있지만, 본 발명의 사상 및 범위로부터 벗어남이 없이 여러 수정들 및 변경들이 이루어질 수도 있다. 또한, 여러 진보적 양태들이 본원에 설명되어 있지만, 이러한 양태들은 조합하여 이용될 필요는 없다. 따라서, 첨부된 청구항들은 본 발명의 범위 내에 있는 모든 이러한 수정들 및 변경들을 포괄하는 것으로 한다.

Claims (21)

  1. 당뇨병 환자 (person with diabetes) 의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정 (basal rate adjustment) 을 결정하는 방법으로서,
    적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 포도당 측정을 나타내는 신호를 수신하는 단계;
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 신호에 기초하여 상기 당뇨병 환자의 포도당 상태를 검출하는 단계로서, 검출된 상기 포도당 상태는 상기 당뇨병 환자의 포도당 레벨 및 상기 포도당 레벨의 변화율을 포함하는, 상기 포도당 상태를 검출하는 단계;
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 현재 리스크 메트릭을 결정하는 단계로서, 상기 현재 리스크 메트릭은 상기 당뇨병 환자의 저혈당 상태 및 고혈당 상태 중 적어도 하나의 리스크를 표시하는, 상기 현재 리스크 메트릭을 결정하는 단계; 및
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 적어도 하나의 활동성 (aggressiveness) 파라미터를 포함하는 범위-제어 (control-to-range) 알고리즘 및 상기 현재 리스크 메트릭에 기초하여 치료 전달 디바이스의 기본 레이트에 대한 조정을 계산하는 단계를 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  2. 제 1 항에 있어서,
    상기 현재 리스크 메트릭을 결정하는 단계는:
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 검출된 포도당 상태로부터 타겟 포도당 상태로의 트랜지션에 기초하여 리턴 경로를 결정하는 단계로서, 상기 리턴 경로는 상기 타겟 포도당 상태로의 리턴과 연관된 적어도 하나의 중간 포도당 값을 포함하는, 상기 리턴 경로를 결정하는 단계;
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 리턴 경로의 누적 해저드 값을 결정하는 단계로서, 상기 누적 해저드 값은 상기 리턴 경로에 대한 적어도 하나의 포도당 값의 해저드 값들의 합을 포함하고, 각각의 해저드 값은 대응하는 상기 중간 포도당 값과 연관된 해저드를 표시하는, 상기 누적 해저드 값을 결정하는 단계; 및
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 검출된 포도당 상태 주변의 포도당 상태 분포로부터 생성된 리턴 경로들의 누적 해저드 값들의 가중 평균을 결정하는 단계를 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  3. 제 1 항에 있어서,
    그래픽 사용자 인터페이스 상에서, 상기 기본 레이트에 대한 계산된 조정을 나타내는 그래픽 데이터를 사용자에게 디스플레이하는 단계를 더 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  4. 제 1 항에 있어서,
    계산된 상기 조정에 기초하여 기본 레이트를 조정하기 위해 치료 전달 디바이스에 명령하기 위해 제어 신호를 송신하는 단계를 더 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  5. 제 4 항에 있어서,
    상기 치료 전달 디바이스는 상기 당뇨병 환자에 인슐린을 전달하기 위한 인슐린 펌프를 포함하고, 상기 치료 전달 디바이스는 상기 기본 레이트의 상기 계산된 조정을 수신하기 위하여 상기 적어도 하나의 컴퓨팅 디바이스와 통신하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  6. 제 2 항에 있어서,
    상기 리턴 경로 상에서의 상기 적어도 하나의 포도당 값의 해저드 값들 각각에 대한 해저드 값은 하기 식에 따라 상기 적어도 하나의 컴퓨팅 디바이스에 의해 결정되고;
    Figure pct00050

    Figure pct00051
    및
    Figure pct00052

    식에서, g 는 포도당 값이고, Δghyper 는 고혈당 시프트이고, Δghypo 는 저혈당 시프트이고, hMAX 는 최대 해저드이고, gMAX 는, gMAX 위에서는 hMAX 를 초과하는 추가적인 증분적 해저드가 계산되지 않는 포도당 값이고, hMIN 은 최소 해저드이고, gMIN 은, gMIN 아래에서는 hMIN 을 초과하는 추가적인 증분 해저드가 계산되지 않는 포도당 값이고, αhyper 는 고혈당 제어 활동성이고, α, β 및 c 는 프로세스 변수들인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  7. 제 2 항에 있어서,
    상기 현재 리스크 메트릭에 기초하여 기본 승수 플롯 (basal multiplier plot) 을 생성하는 단계를 더 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  8. 제 2 항에 있어서,
    상기 활동성 파라미터는 스케일링 팩터에 의한, 리스크 메트릭에 기초하여 생성되는 리스크 표면의 스케일링인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  9. 제 3 항에 있어서,
    Figure pct00053
    가 실수이면, 리턴 경로의 누적 해저드 값은 하기 식에 따라 상기 적어도 하나의 컴퓨팅 디바이스에 의해 결정되고;
    Figure pct00054

    식에서,
    Figure pct00055
    Figure pct00056
    이고,
    Figure pct00057
    는 포도당 레벨의 변화율이고,
    Figure pct00058
    는 최대 포지티브 포도당 가속도이고, 그리고
    Figure pct00059
    은 최대 네가티브 포도당 가속도이거나, 또는
    Figure pct00060
    가 실수이면, 상기 리턴 경로의 누적 해저드 값은 상기 적어도 하나의 컴퓨팅 디바이스에 의해, 하기 식에 따라 결정되고;
    Figure pct00061

    식에서,
    Figure pct00062
    이고,
    Figure pct00063
    는 포도당 레벨의 변화율이고,
    Figure pct00064
    는 최대 포지티브 포도당 가속도이고, 그리고
    Figure pct00065
    은 최대 네가티브 포도당 가속도인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  10. 제 2 항에 있어서,
    상기 활동성 파라미터는 리스크 표면의 시프팅인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  11. 제 10 항에 있어서,
    고혈당 리스크를 나타내는 상기 리스크 표면만이 시프트되는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  12. 제 11 항에 있어서,
    고혈당 리스크 표면에서의 시프트는 식사 또는 수정 볼러스에 뒤따르는 내장된 (on board) 인슐린에 대해 수정하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  13. 제 2 항에 있어서,
    상기 활동성 파라미터는 최대 허용된 포도당 가속도에 대한 조정인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  14. 제 13 항에 있어서,
    상기 최대 허용된 포도당 가속도는 증가되는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  15. 제 13 항에 있어서,
    상기 최대 허용된 포도당 가속도는 감소되는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  16. 제 2 항에 있어서,
    상기 활동성 파라미터는 포도당 상태 불확정도 (uncertainty) 에 대한 조정인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  17. 제 16 항에 있어서,
    상기 포도당 상태 불확정도는 Kalman 필터에 의해 생성되는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  18. 제 2 항에 있어서,
    상기 포도당 상태 분포는 하기 식에 따라 상기 적어도 하나의 컴퓨팅 디바이스에 의해 결정되고;
    Figure pct00066

    및
    Figure pct00067

    식에서, Gs 는 포도당 값들의 분포이고,
    Figure pct00068
    는 포도당 변화율들의 분포이고, g 는 상기 현재 리스크 메트릭에 대한 포도당 값이고,
    Figure pct00069
    는 상기 현재 리스크 메트릭에 대한 포도당 레벨의 변화율이고,
    Figure pct00070
    는 g 의 표준 편차이고,
    Figure pct00071
    는
    Figure pct00072
    의 표준 편차이고, k 는 Gs 의 분할 개수이고, 그리고 n 은
    Figure pct00073
    의 분할 개수인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  19. 제 2 항에 있어서,
    상기 현재 리스크 메트릭은 하기 식에 따라 상기 적어도 하나의 컴퓨팅 디바이스에 의해 결정되고;
    Figure pct00074

    식에서, r 은 상기 현재 리스크 메트릭이고,
    Figure pct00075
    이고, Gs 는 포도당 값들의 분포이고,
    Figure pct00076
    는 검출된 포도당 상태 주변의 포도당 상태 분포로부터 결정된 포도당 변화율들의 분포이고,
    Figure pct00077
    는 각각의 포도당 상태에서 상기 리턴 경로의 상기 누적 해저드 값이고, g 는 현재 리스크 메트릭에 대한 포도당 값이고,
    Figure pct00078
    는 상기 현재 리스크 메트릭에 대한 포도당 레벨의 변화율이며,
    Figure pct00079
    이고,
    Figure pct00080
    는 g 의 표준 편차이고,
    Figure pct00081
    는
    Figure pct00082
    의 표준 편차인, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 인슐린의 기본 레이트 조정을 결정하는 방법.
  20. 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 기본 레이트 조정을 결정하도록 구성되는 혈당 관리 디바이스로서,
    실행가능 명령들을 저장한 비일시적 컴퓨터 판독가능 매체; 및
    적어도 하나의 프로세싱 디바이스를 포함하고,
    상기 적어도 하나의 프로세싱 디바이스는, 상기 실행가능 명령들이 상기 적어도 하나의 프로세싱 디바이스에 의해 실행될 때 상기 적어도 하나의 프로세싱 디바이스로 하여금,
    적어도 하나의 포도당 측정을 나타내는 신호를 수신하게 하고;
    상기 신호에 기초하여 상기 당뇨병 환자의 포도당 상태를 검출하게 하는 것으로서, 검출된 상기 포도당 상태는 상기 당뇨병 환자의 포도당 레벨 및 상기 포도당 레벨의 변화율을 포함하는, 상기 포도당 상태를 검출하게 하고;
    현재 리스크 메트릭을 결정하게 하는 것으로서, 상기 현재 리스크 메트릭은 상기 당뇨병 환자의 저혈당 상태 및 고혈당 상태 중 적어도 하나의 리스크를 표시하는, 상기 현재 리스크 메트릭을 결정하게 하고; 그리고
    적어도 하나의 활동성 파라미터를 포함하는 범위-제어 알고리즘 및 상기 현재 리스크 메트릭에 기초하여 치료 전달의 기본 레이트에 대한 조정을 계산하게 하도록 상기 실행가능 명령들을 실행하도록 구성되는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 기본 레이트 조정을 결정하도록 구성되는 혈당 관리 디바이스.
  21. 제 19 항에 있어서,
    상기 현재 리스크 메트릭을 결정하는 것은,
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 검출된 포도당 상태로부터 타겟 포도당 상태로의 트랜지션에 기초하여 리턴 경로를 결정하는 단계로서, 상기 리턴 경로는 상기 타겟 포도당 상태로의 리턴과 연관된 적어도 하나의 중간 포도당 값을 포함하는, 상기 리턴 경로를 결정하는 것;
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 리턴 경로의 누적 해저드 값을 결정하는 것으로서, 상기 누적 해저드 값은 상기 리턴 경로에 대한 적어도 하나의 포도당 값의 해저드 값들의 합을 포함하고, 각각의 해저드 값은 대응하는 상기 중간 포도당 값과 연관된 해저드를 표시하는, 상기 누적 해저드 값을 결정하는 것; 및
    상기 적어도 하나의 컴퓨팅 디바이스에 의해, 상기 검출된 포도당 상태 주변의 포도당 상태 분포로부터 생성된 리턴 경로들의 누적 해저드 값들의 가중 평균을 결정하는 것을 포함하는, 당뇨병 환자의 연속 포도당 모니터링 시스템에서의 기본 레이트 조정을 결정하도록 구성되는 혈당 관리 디바이스.
KR1020187037673A 2016-06-01 2017-05-09 범위-제어 활동성 KR102428180B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/170,450 US10332633B2 (en) 2016-06-01 2016-06-01 Control-to-range aggressiveness
US15/170,450 2016-06-01
PCT/US2017/031661 WO2017209902A1 (en) 2016-06-01 2017-05-09 Control-to-range aggressiveness

Publications (2)

Publication Number Publication Date
KR20190013921A true KR20190013921A (ko) 2019-02-11
KR102428180B1 KR102428180B1 (ko) 2022-08-01

Family

ID=58745386

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187037673A KR102428180B1 (ko) 2016-06-01 2017-05-09 범위-제어 활동성

Country Status (13)

Country Link
US (1) US10332633B2 (ko)
EP (1) EP3465491B8 (ko)
KR (1) KR102428180B1 (ko)
AU (1) AU2017275392B2 (ko)
CA (1) CA3025906A1 (ko)
CY (1) CY1124983T1 (ko)
DK (1) DK3465491T3 (ko)
ES (1) ES2906640T3 (ko)
HU (1) HUE057491T2 (ko)
MX (1) MX2018014680A (ko)
PL (1) PL3465491T3 (ko)
PT (1) PT3465491T (ko)
WO (1) WO2017209902A1 (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9465917B2 (en) * 2014-05-30 2016-10-11 Roche Diabetes Care, Inc. Hazard based assessment patterns
JP6853198B2 (ja) * 2015-06-28 2021-03-31 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ １型糖尿病に適用するための人工膵臓の速度重み付けモデル予測制御
US10297350B2 (en) * 2016-06-01 2019-05-21 Roche Diabetes Care, Inc. Risk-based control-to-range
CN109863563B (zh) * 2016-10-31 2024-01-09 诺和诺德股份有限公司 用于估计未来低血压事件的风险的系统和方法
US11497851B2 (en) * 2017-03-31 2022-11-15 Lifescan Ip Holdings, Llc Maintaining maximum dosing limits for closed loop insulin management systems
WO2018204568A1 (en) 2017-05-05 2018-11-08 Eli Lilly And Company Closed loop control of physiological glucose
EP3438858A1 (en) 2017-08-02 2019-02-06 Diabeloop Closed-loop blood glucose control systems and methods
WO2019125932A1 (en) 2017-12-21 2019-06-27 Eli Lilly And Company Closed loop control of physiological glucose
CN108882480B (zh) * 2018-06-20 2020-06-05 新华网股份有限公司 舞台灯光和装置调节方法和系统
US20210100952A1 (en) * 2019-10-04 2021-04-08 Sean Brown Systems and Methods for Treating Hypoglycemia
US20210113766A1 (en) * 2019-10-21 2021-04-22 Tandem Diabetes Care, Inc. Systems and methods for automated insulin delivery response to inaccurate or missed glucose values
CN112402733B (zh) * 2020-02-26 2022-07-15 苏州喜全软件科技有限公司 基于电流脉冲渗透的胰岛素泵
US11690955B2 (en) 2020-04-23 2023-07-04 Medtronic Minimed, Inc. Continuous analyte sensor quality measures and related therapy actions for an automated therapy delivery system
US11583631B2 (en) 2020-04-23 2023-02-21 Medtronic Minimed, Inc. Intuitive user interface features and related functionality for a therapy delivery system
WO2021216155A1 (en) * 2020-04-23 2021-10-28 Medtronic Minimed, Inc. Analyte sensor quality measures and related therapy actions for an automated therapy delivery system
EP3984443A1 (en) 2020-10-13 2022-04-20 Diabeloop Computerized system for repeatedly determining a value of a control parameter of a fluid infusion system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140100435A1 (en) * 2012-10-04 2014-04-10 Roche Diagnostics Operations, Inc. System and method for assessing risk associated with a glucose state
US20150273147A1 (en) * 2014-03-28 2015-10-01 Roche Diagnostics Operations, Inc. System and method for adjusting therapy based on risk associated with a glucose state

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7395158B2 (en) 2000-05-30 2008-07-01 Sensys Medical, Inc. Method of screening for disorders of glucose metabolism
US6882940B2 (en) 2000-08-18 2005-04-19 Cygnus, Inc. Methods and devices for prediction of hypoglycemic events
US6572545B2 (en) 2000-09-22 2003-06-03 Knobbe, Lim & Buckingham Method and apparatus for real-time control of physiological parameters
US9247901B2 (en) 2003-08-22 2016-02-02 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US7278983B2 (en) 2002-07-24 2007-10-09 Medtronic Minimed, Inc. Physiological monitoring device for controlling a medication infusion device
US7291107B2 (en) 2004-08-26 2007-11-06 Roche Diagnostics Operations, Inc. Insulin bolus recommendation system
US8684922B2 (en) 2006-05-12 2014-04-01 Bao Tran Health monitoring system
US20080269714A1 (en) 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
GB0719969D0 (en) 2007-10-12 2007-11-21 Cambridge Entpr Ltd Substance monitoring and control in human or animal bodies
US7731659B2 (en) 2007-10-18 2010-06-08 Lifescan Scotland Limited Method for predicting a user's future glycemic state
US20100262434A1 (en) 2007-12-13 2010-10-14 Shaya Steven A Method and apparatus to calculate diabetic sensitivity factors affecting blood glucose
US8734422B2 (en) 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
GB2466183A (en) 2008-12-09 2010-06-16 Cambridge Entpr Ltd Closed loop diabetes management system
US8257300B2 (en) 2009-05-22 2012-09-04 Abbott Diabetes Care Inc. Safety features for integrated insulin delivery system
US20110071464A1 (en) 2009-09-23 2011-03-24 Medtronic Minimed, Inc. Semi-closed loop insulin delivery
US8843321B2 (en) 2010-01-26 2014-09-23 Roche Diagnostics Operations, Inc. Methods and systems for processing glucose data measured from a person having diabetes
US8579879B2 (en) 2010-02-19 2013-11-12 Medtronic Minimed, Inc. Closed-loop glucose control startup
US8532933B2 (en) 2010-06-18 2013-09-10 Roche Diagnostics Operations, Inc. Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers
US8774889B2 (en) 2010-12-22 2014-07-08 Roche Diagnostics Operations, Inc. Patient monitoring system with efficient pattern matching algorithm
US8589106B2 (en) 2010-12-22 2013-11-19 Roche Diagnostics Operations, Inc. Calibration of a handheld diabetes managing device that receives data from a continuous glucose monitor
WO2012108939A1 (en) 2011-02-11 2012-08-16 Abbott Diabetes Care Inc. Feedback from cloud or hcp to payer or patient via meter or cell phone
WO2013032965A1 (en) 2011-08-26 2013-03-07 University Of Virginia Patent Foundation Method, system and computer readable medium for adaptive advisory control of diabetes
US10881339B2 (en) 2012-06-29 2021-01-05 Dexcom, Inc. Use of sensor redundancy to detect sensor failures
US9623179B2 (en) 2012-08-30 2017-04-18 Medtronic Minimed, Inc. Safeguarding techniques for a closed-loop insulin infusion system
US20140066884A1 (en) 2012-08-30 2014-03-06 Medtronic Minimed, Inc. Sensor model supervisor for a closed-loop insulin infusion system
US9504412B2 (en) 2012-09-17 2016-11-29 Lifescan, Inc. Method and system to derive glycemic patterns from clustering of glucose data
US9592002B2 (en) 2012-09-21 2017-03-14 Lifescan, Inc. Method and system to derive multiple glycemic patterns from glucose measurements during time of the day
US9119529B2 (en) 2012-10-30 2015-09-01 Dexcom, Inc. Systems and methods for dynamically and intelligently monitoring a host's glycemic condition after an alert is triggered
US10383580B2 (en) 2012-12-31 2019-08-20 Abbott Diabetes Care Inc. Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US9351670B2 (en) 2012-12-31 2016-05-31 Abbott Diabetes Care Inc. Glycemic risk determination based on variability of glucose levels
US9227014B2 (en) 2013-02-07 2016-01-05 The Board Of Trustees Of The Laland Stanford Junior University Kalman filter based on-off switch for insulin pump
AU2014349078B2 (en) 2013-11-14 2019-07-25 Regents Of The University Of California Glucose rate increase detector: a meal detection module for the health monitoring system
US9465917B2 (en) 2014-05-30 2016-10-11 Roche Diabetes Care, Inc. Hazard based assessment patterns

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140100435A1 (en) * 2012-10-04 2014-04-10 Roche Diagnostics Operations, Inc. System and method for assessing risk associated with a glucose state
US20150273147A1 (en) * 2014-03-28 2015-10-01 Roche Diagnostics Operations, Inc. System and method for adjusting therapy based on risk associated with a glucose state

Also Published As

Publication number Publication date
EP3465491B1 (en) 2021-12-15
PT3465491T (pt) 2022-02-10
KR102428180B1 (ko) 2022-08-01
BR112018074903A2 (pt) 2019-03-06
CN109564774A (zh) 2019-04-02
US10332633B2 (en) 2019-06-25
CA3025906A1 (en) 2017-12-07
HUE057491T2 (hu) 2022-05-28
AU2017275392A1 (en) 2019-01-03
BR112018074903A8 (pt) 2023-01-31
CY1124983T1 (el) 2023-01-05
WO2017209902A1 (en) 2017-12-07
PL3465491T3 (pl) 2022-03-28
US20170348483A1 (en) 2017-12-07
AU2017275392B2 (en) 2022-03-03
EP3465491A1 (en) 2019-04-10
MX2018014680A (es) 2019-04-29
EP3465491B8 (en) 2022-03-02
DK3465491T3 (da) 2022-02-21
ES2906640T3 (es) 2022-04-19

Similar Documents

Publication Publication Date Title
KR102428180B1 (ko) 범위-제어 활동성
US10332632B2 (en) Control-to-range failsafes
US11605461B2 (en) Risk-based control-to-range blood glucose diabetes management device
US11147921B2 (en) Adjusting insulin delivery rates
AU2017272095B2 (en) Insulin delivery system and methods with risk based set points
US10722650B2 (en) System and method for adjusting therapy based on risk associated with a glucose state
US20160287184A1 (en) Methods and Systems for Analyzing Glucose Data Measured From a Person Having Diabetes
CN109564774B (zh) 控制到范围积极性
BR112018074903B1 (pt) Étodo para a determinação de um ajuste da taxa basal de insulina em um sistema contínuo de monitoramento de glicose de uma pessoa com diabetes e dispositivo de gerenciamento de glicose no sangue

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant